¿Cómo recortar los espacios en blanco iniciales y finales?

Tengo algunos problemas con los espacios en blanco iniciales y finales en un data.frame. Por ejemplo, me gusta echar un vistazo a un específico rowen data.framefunción de una determinada condición:

> myDummy[myDummy$country == c("Austria"),c(1,2,3:7,19)] 

[1] codeHelper     country        dummyLI    dummyLMI       dummyUMI       
[6] dummyHInonOECD dummyHIOECD    dummyOECD      
<0 rows> (or 0-length row.names)

Me preguntaba por qué no obtuve la producción esperada ya que el país Austria obviamente existía en mi data.frame. Después de revisar mi historial de código e intentar averiguar qué salió mal, intenté:

> myDummy[myDummy$country == c("Austria "),c(1,2,3:7,19)]
   codeHelper  country dummyLI dummyLMI dummyUMI dummyHInonOECD dummyHIOECD
18        AUT Austria        0        0        0              0           1
   dummyOECD
18         1

Todo lo que he cambiado en el comando es un espacio en blanco adicional después de Austria.

Obviamente surgen problemas molestos. Por ejemplo, cuando me gusta fusionar dos cuadros en función de la columna del país. Uno data.frameusa "Austria "mientras que el otro marco tiene "Austria". La coincidencia no funciona.

1. ¿Hay una buena manera de "mostrar" el espacio en blanco en mi pantalla para que sea consciente del problema?
2. ¿Y puedo eliminar los espacios en blanco iniciales y finales en R?

Hasta ahora solía escribir un Perlscript simple que elimina el espacio en blanco, pero sería bueno si de alguna manera puedo hacerlo dentro de R.

Probablemente, la mejor manera es manejar los espacios en blanco al leer su archivo de datos. Si usa read.csvo read.tablepuede establecer el parámetrostrip.white=TRUE .

Si desea limpiar las cadenas después, puede usar una de estas funciones:

# returns string w/o leading whitespace
trim.leading <- function (x)  sub("^\\s+", "", x)

# returns string w/o trailing whitespace
trim.trailing <- function (x) sub("\\s+$", "", x)

# returns string w/o leading or trailing whitespace
trim <- function (x) gsub("^\\s+|\\s+$", "", x)

Para usar una de estas funciones en myDummy$country:

 myDummy$country <- trim(myDummy$country)

Para 'mostrar' el espacio en blanco que podría usar:

 paste(myDummy$country)

que le mostrará las cadenas entre comillas (") haciendo que los espacios en blanco sean más fáciles de detectar.

A partir de R 3.2.0 se introdujo una nueva función para eliminar espacios en blanco iniciales / finales:

trimws()

Ver: http://stat.ethz.ch/R-manual/R-patched/library/base/html/trimws.html

Para manipular el espacio en blanco, use str_trim () en el paquete stringr. El paquete tiene un manual con fecha del 15 de febrero de 2013 y está en CRAN. La función también puede manejar vectores de cadena.

install.packages("stringr", dependencies=TRUE)
require(stringr)
example(str_trim)
d4$clean2<-str_trim(d4$V2)

(el crédito es para el comentarista: R. Cotton)

Una función simple para eliminar espacios en blanco iniciales y finales:

trim <- function( x ) {
  gsub("(^[[:space:]]+|[[:space:]]+$)", "", x)
}

Uso:

> text = "   foo bar  baz 3 "
> trim(text)
[1] "foo bar  baz 3"

ad1) Para ver espacios en blanco, puede llamar directamente print.data.framecon argumentos modificados:

print(head(iris), quote=TRUE)
#   Sepal.Length Sepal.Width Petal.Length Petal.Width  Species
# 1        "5.1"       "3.5"        "1.4"       "0.2" "setosa"
# 2        "4.9"       "3.0"        "1.4"       "0.2" "setosa"
# 3        "4.7"       "3.2"        "1.3"       "0.2" "setosa"
# 4        "4.6"       "3.1"        "1.5"       "0.2" "setosa"
# 5        "5.0"       "3.6"        "1.4"       "0.2" "setosa"
# 6        "5.4"       "3.9"        "1.7"       "0.4" "setosa"

Ver también ?print.data.framepara otras opciones.

Use grep o grepl para encontrar observaciones con espacios en blanco y sub para deshacerse de ellos.

names<-c("Ganga Din\t","Shyam Lal","Bulbul ")
grep("[[:space:]]+$",names)
[1] 1 3
grepl("[[:space:]]+$",names)
[1]  TRUE FALSE  TRUE
sub("[[:space:]]+$","",names)
[1] "Ganga Din" "Shyam Lal" "Bulbul"  

Prefiero agregar la respuesta como comentario al usuario56, pero aún así no puedo escribirlo como una respuesta independiente. La eliminación de espacios en blanco iniciales y finales también se puede lograr a través de la función trim () del paquete gdata:

require(gdata)
example(trim)

Ejemplo de uso:

> trim("   Remove leading and trailing blanks    ")
[1] "Remove leading and trailing blanks"

Otro problema relacionado ocurre si tiene múltiples espacios entre las entradas:

> a <- "  a string         with lots   of starting, inter   mediate and trailing   whitespace     "

Luego puede dividir fácilmente esta cadena en tokens "reales" utilizando una expresión regular para el splitargumento:

> strsplit(a, split=" +")
[[1]]
 [1] ""           "a"          "string"     "with"       "lots"      
 [6] "of"         "starting,"  "inter"      "mediate"    "and"       
[11] "trailing"   "whitespace"

Tenga en cuenta que si hay una coincidencia al comienzo de una cadena (no vacía), el primer elemento de la salida es '""', pero si hay una coincidencia al final de la cadena, la salida es la misma que con el partido eliminado.

Otra opción es usar la stri_trimfunción del stringipaquete que por defecto elimina los espacios en blanco iniciales y finales:

> x <- c("  leading space","trailing space   ")
> stri_trim(x)
[1] "leading space"  "trailing space"

Para eliminar solo los espacios en blanco iniciales, use stri_trim_left. Para eliminar solo los espacios en blanco finales, use stri_trim_right. Cuando desee eliminar otros caracteres iniciales o finales, debe especificar eso conpattern = .

Ver también ?stri_trimpara más información.

Creé una trim.strings ()función para recortar espacios en blanco iniciales y / o finales como:

# Arguments:    x - character vector
#            side - side(s) on which to remove whitespace 
#                   default : "both"
#                   possible values: c("both", "leading", "trailing")

trim.strings <- function(x, side = "both") { 
    if (is.na(match(side, c("both", "leading", "trailing")))) { 
      side <- "both" 
      } 
    if (side == "leading") { 
      sub("^\\s+", "", x)
      } else {
        if (side == "trailing") {
          sub("\\s+$", "", x)
    } else gsub("^\\s+|\\s+$", "", x)
    } 
} 

Por ilustracion,

a <- c("   ABC123 456    ", " ABC123DEF          ")

# returns string without leading and trailing whitespace
trim.strings(a)
# [1] "ABC123 456" "ABC123DEF" 

# returns string without leading whitespace
trim.strings(a, side = "leading")
# [1] "ABC123 456    "      "ABC123DEF          "

# returns string without trailing whitespace
trim.strings(a, side = "trailing")
# [1] "   ABC123 456" " ABC123DEF"   

El mejor método es trimws ()

El siguiente código aplicará esta función a todo el marco de datos

mydataframe <- data.frame (lapply (mydataframe, trimws), stringsAsFactors = FALSE)

Intenté recortar (). Funciona bien con espacios en blanco y con '\ n'. x = '\ n Endurecer, J. \ n'

recortar (x)

myDummy[myDummy$country == "Austria "] <- "Austria"

Después de esto, deberás forzar a R a no reconocer a "Austria" como un nivel. Supongamos que también tiene "Estados Unidos" y "España" como niveles:

myDummy$country = factor(myDummy$country, levels=c("Austria", "USA", "Spain"))

Un poco menos intimidante que la respuesta más votada, pero aún así debería funcionar.